新浪微博信息传播效果评价及实证研究

刘健　孙小明

〔摘要〕为了衡量新浪微博信息传播效果，本文在10个不同话题领域分别选择公众微用户、意见领袖（加“V”）用户以及普通用户共30个决策单元，利用模糊数据包络分析模型进行实证分析，研究结果表明，用户属性、内容属性、媒介属性都对新浪微博信息传播具有影响，而在不同的话题领域影响具有异质性。

〔关键词〕数据包络分析；信息传播效果；指标评价；微博

DOI：10.3969/j.issn.1008-0821.2016.09.015

〔中图分类号〕G206〔文献标识码〕A〔文章编号〕1008-0821（2016）09-0088-07

〔Abstract〕[Objective]To measure the effect of information diffusion of micro blogging public opinion.[Methods]A fuzzy data envelopment analysis model was established，and a backward method was used to calculate the relative efficiency of each evaluation unit when the input variables and output variables were removed.Finally，Euclidean distance was used to determine the choice of the index.[Results]The 16 indicators were selected as the evaluation index of the effect of information diffusion of the micro blogging public opinion.[Conclusions]The promulgator of information of micro blogging public opinion，the content of the information，and the media attributes got a significant effect on the information diffusion of the micro blogging public opinion.

〔Key words〕fuzzy data envelopment analysis；DEA；the effect of information diffusion；index evaluation；micro blog

互联网时代，微博作为重要的社交媒体平台，为用户提供信息实时表达和社交互动的途径，也便利了信息的聚合和传播。微博以其参与性、社区性、共享性、连通性成为社会媒体的重要组成，深刻影响人们的社会生活。从主体角度，用户是微博信息网络的节点，节点间相互作用形成用户关系。用户关系并不对称，具有强弱之分，并影响微博的信息传播效果[1]。从客体角度，微博内容具有多样性，话题涉及范围广、信息展现形式丰富，信息发布时间和空间约束小，很大程度上满足用户多样性的信息需求。从媒介角度，微博作为网络社交媒介和信息平台，其信息内容具有知识性、创新性和趣味性；信息传播具有即时性、互动性和针对性；信息传播影响具有广泛性、复杂性和不确定性。在移动互联网媒介快速发展条件下，微博信息传播的便捷性和灵活性也大大增强，对信息传播效果的衡量提出更高的要求。

新浪微博作为典型代表，其用户规模庞大，覆盖了政府、企业、社会团体、普通民众等在内的社会各个阶层的机构或个人；话题内容涉及广泛，包括时事政治、社会新闻、文娱体育、生活资讯、投资理财等社会生活的各个方面；信息传播影响范围广泛，截至2015年第三季度，月活跃用户（MAU）达到222亿，日活跃用户（DAU）也达到1亿[2]，信息覆盖大量人群。因此，本文选择新浪微博作为研究对象，并根据不同内容将话题划分成不同的栏目，每个栏目下选择具有代表性的公众微博用户和意见领袖（加“V”）微博用户以及普通微博用户进行讨论。同时，由于影响因素多样，并且信息传播效果具有阶梯性[3-4] ，本文使用数据包络分析（DEA）的方法对多影响因素和多层次的微博信息传播效果进行分析。

1相关研究及指标选择

11影响微博信息传播效果的因素

微博信息传播效果是指传播者的传播行为对受众产生的认知、情感、行为等3个层面的态度转变或对整个社会产生的综合影响[5-6]。微博信息传播活动涉及4个要素：信源、信宿、信道、信息[7]，因此，影响信息传播效果的因素可以概括为3个方面，即微博用户（信源和信宿）、微博信息内容（信息）、传播媒介（信道）。

用户是信息的传播者和发布者，因此用户关系、用户影响力及用户兴趣是影响微博信息传播的重要因素[8]。微博的用户关系包括微博中群组关系、互动交流、关注传播等关系[9]，通过用户关系可以预测和计算信息扩散路径和微博信息影响力[10]；微博影响力是指微博影响受众以及其他相关行为主体的能力[11]，可以使用微博信息覆盖广度、微博信息内容、粉丝质量主成分、微博交互、微博管理水平等方面来衡量[12]；用户兴趣是微博发布和转发行为的主要原因之一[13]，因此可以利用用户兴趣相似度和用户活跃度等因素预测信息扩散速率和扩散范围[14-16]。

微博内容是信息传播的载体，不同的话题类型和文本特征会影响微博信息传递效果。微博话题类型可以划分为信息类、行为类、观点类、情感类等类型[17]，不同类型的话题吸引不同类型的用户关注[18]。同时，微博长度、图片或者视频等内容展现形式、“@”和URL使用、原创微博、语言风格等文本特征，都影响微博信息传播效果[19-20]。

此外，微博作为社交媒介，其通过用户关系和信息关联形成一个社会网络[21-22]，这种媒介属性对信息传播效果具有影响，可以利用中心性和中心度的指标测度[23]。

12微博信息传播效果评价

微博的信息传播效果包括微观效果和宏观效果，微观信息传播效果主要是针对用户，宏观信息传播效果是对整个社会的综合影响。其中，微观的信息传播效果具有3个层面：即认知层面效果、情感态度层面效果和行为层面效果，这3个效果是累积、深化和扩大的过程[24]。通过相关性分析，微博信息传播效果符合认知——情感——行为这一金字塔模式特点[25]，认知效果可以表现为用户对信息的接收，即信息覆盖面；情感效果体现在评价内容里，即用户的支持、中立、反对的态度；行为效果表现为微博的转发，转发对信息扩散速度和范围起到直接的推动作用[26]。由此，微博信息传播效果的量化指标归纳为以下几个：信息覆盖人数、点赞数、评论数、转发数等。

13微博信息传播效果评价的指标选择

通过回顾已有研究发现，影响微博信息传播效果的因素多样。从主体角度看，包括信息发布者、信息传播者、信息接受者在内的微博用户的用户关系、用户兴趣、用户影响力、用户行为习惯等都是影响微博信息传播效果的影响因素；从信息客体角度出发，包括话题、文本、图片、视频、URL或“@”的使用在内的微博内容的类型、特征对信息传播都具有影响；从传播媒介角度看，微博作为社交媒介，其通过用户关系和信信息传播效果的影可以利用中心性的指标测度。与此同时，微博的信息传播效果可表现为用户个体和社会整体两个层次，对用户个体效果主要包括认知、情感、行为3个方面，而用户效果的集合构成社会整体效果。因此，本文利用数据包络分析过程中，选择的输入、输出指标如表1所示。

表1微博信息传播效果评价的输入输出指标

输入指标一级指标二级指标三级指标解释变量微博用户信息传播者信息发布数量信息发布条数X1信息发布质量信息的时效性、针对性和趣味性X2粉丝数量信息传播的潜在影响X3信息接受者活跃程度用户平均登录频率X4影响能力用户信息平均转发率X5微博内容内容创新性微博的原创原创微博的数量X6内容展现形式文本、图片、音频、视频是否X7内容的关联性URL及@使用链接其他微博/关联其他用户数量X8形式匹配度形式与内容的匹配程度展现形式与话题适应性X9表1（续）

一级指标二级指标三级指标解释变量媒介属性点度中心性绝对点度中心性、相对点度中心性、图的点度中心势整个网络图中用户的直接联系程度X10中间中心性绝对中间中心性、相对中间中心性、图的中间中心势用户控制他人之间的交流能力X11接近中心性绝对接近中心性、相对接近中心性、图的接近中心势信息传播中对其他人的依赖性X12输出指标一级指标二级指标三级指标解释指标微博用户认知覆盖力信息阅读人数Y1收藏数信息收藏人数Y2关联事件关注程度评论或转发关联事件的条数Y3情感意见指向经常互动的部门或领域的个数Y4点赞数量粉丝或者评论者点赞的数量Y5行为总转发数粉丝或者评论者对微博转发的数量条Y6总评论数粉丝或者评论者对微博评论的数量条Y7注：为模糊处理指标。2研究方法

本文以新浪微博热门话题为基础，根据内容将话题划分为不同栏目，结合微指数及用户粉丝数，在10个不同话题领域，分别选择公众微博、意见领袖微博和普通微博作为数据源，基于数据包络分析的方法，利用分析软件进行实证研究。数据获取及分析步骤如下：①数据来源；②数据采集；③数据处理和分析。

21数据来源

本文选择新浪微博作为研究对象，并根据不同内容将话题划分成不同的栏目，每个栏目下选择具有代表性的公共微博、意见领袖（加“V”）微博、普通微博进行讨论，具体内容如表2。

22数据采集

本文选择10个栏目下的不同加“#”热门话题作为数据来源，以话题主持人微博为基础，结合微博用户关注领域以及内容与话题的相关性，并考虑微博信息效果的可度量性，选取具有一定程度影响力的公共微博、意见领袖微博和普通微博。同时，为了保证信息传播影响产生的即时性和有效性，数据截取自微博发布的24小时内，并剔除了无转发、评论或点赞的博文。

23评价方法

由于微博信息的传递效果中存在不少因素都难以精确描述，并且多数价指标均需要通过主观评价进行确定，属于模糊性的判断。一般情况下处理这种模糊性因素多采用“平均值”或者“近似值”的方式处理，这种粗糙的处理方法导致一部分有效信息的丢失，对评价结果造成不良影响。因此，本文在使用DEA方法时，引入了模糊集理论，将微博信息传播效果评价中难以精确表达的模糊性指标处理成适当的模糊集合，能够缓解传统DEA处理方法的局限性，力求实现更高的评价可信度。

242结果讨论

（1）从用户角度看，由于比普通用户拥有更大粉丝群体和公众知名度，公众微博和意见领袖微博对信息传播的影响更为显著，并且公众微博与意见领袖微博的影响大体相当。但是，在个别领域也存在有别于此种规律的特征。如投资理财领域，“微博股票”作为新浪官方微博平台，其影响力远远小于意见领袖微博，同时也低于持续关注该领域的普通用户。究其原因，主要有三方面：一是“微博股票”以转发微博为主，缺乏原创性；二是微博内容以描述性为主，缺乏知识性；三是推送信息具有机械性，与关注投资理财领域用户的真实需求不相适应。因此，从用户层面而言，虽然信息传播效果与用户的粉丝数量具有较强关联性，但是在某些专业性较强的领域，则需要公共微博用户提高微博信息内容的知识性和针对性，以满足用户的真实信息需求。

（2）从话题领域角度看，明星娱乐、影视动漫、国际热点等领域的信息传播效果最显著，社会公益、投资理财、体育赛事、幽默搞笑次之，时事政务、生活资讯等的信息传播效果相对较弱。此种结果表明，虽然微博的功能越发多样，出现了企业微博、政务微博等不同的形式，但作为社交媒介，为用户提供交流平台仍是其最基本、最重要的功能。因此，休闲娱乐相关的话题领域能够获得用户更多的关注，如明星娱乐、影视动漫、体育赛事、幽默搞笑等主题。同时，微博提供的多样、快捷和持续的热点新闻是对传统新闻媒体的补充，如“土耳其击落俄战机"等国际热点得以获得较高关注度。

（3）从微博内容角度看，内容创新性、形式多样性、内容与话题的关联程度等都对微博信息传播的效果具有正向影响。通过实证结果可知，原创性和新颖性的微博比转发微博更能获得用户的关注；微博含有图片、音频、视频等形式比纯文本的信息传播效果更好，并且形式与话题主旨的匹配程度越高，信息传播效果越明显；微博中“@”其他用户，使用URL链接其他网页信息内容，对信息传播具有一定促进作用，尤其是“@”的使用能够直接影响信息传播。以“国防部发布”为例，其发布的微博具有权威性，但是内容以文本为主，基本不包括图片、音频、视频等内容，同时也未使用“@”或URL，因此在获得用户关注较少，信息传播效果弱。

3结语

本文以新浪微博为研究对象，基于信息传播效果的阶梯理论，通过文献研究并结合微博特点，选取了微博信息传播效果评价指标。鉴于影响因素的多样性和信息传播效果的复杂性，本文选用了可对多投入和多产出数据进行研究的数据包络分析方法。同时，在数据源的选择上，从10个不同的领域分别选取公共微博用户、意见领袖微博用户和普通微博用户构成30个决策单元，以此为基础分析微博信息传播的效果。研究结果显示，从用户属性出发，信息发布者、信息传播者、信息接受者的信息活动都影响信息传播效果。具体而言，公共微博用户和意见领袖微博用户传播信息的效果更为显著，但是在个别领域普通微博用户对信息传播可能产生更大的影响。从微博内容属性出发，内容的原创性、展现形式多样性、形式与内容的适应性都决定着信息传播的效果。因此，信息主体利用微博传播信息，应立足受众多样性需求，合理应用各种展现形式，优化信息发布内容，以此提高微博信息传播的效果和价值。

参考文献

[1]Ellison N B，Steinfield C，Lampe C.The Benefits of Facebook“Friends：”Social Capital and College Students Use of Online Social Network Sites[J].Journal of Computer-Mediated Communication，2007：1143-1168.

[2]微博用户发展报告2015[EB/OL].http：∥data.weibo.com/report/reportDetail.

[3]陈远.微博信息传播效果实证研究[J].信息资源管理学报，2012，（3）：28-34.

[4]吕杰，张波，袁浩川.传播学导论[M].北京：科学出版社，2007.

[5]周鸿铎.传播学教程[M].北京：中国书籍出版社，2010.

[6]Voyer P A.Word-of-Mouth Processes Within a Services Purchase Decision Context[J].Journal of Service Research，2000，3（2）：166-177.

[7]赵蓉英，曾宪琴.微博信息传播的影响因素研究分析[J].情报理论与实践，2014，（3）：58-63.

[8]孙飞.企业微博信息传播效果研究[M].北京：北京邮电大学，2012.

[9]胡吉明，张蔓蒂，黄如花.社会网络环境下用户关系对信息传播的影响作用——以新浪微博为例[J].情报杂志，2013，（6）：181-185.

[10]Yang J，Leskovec J.Modeling Information Diffusion in Implicit Networks[C]∥IEEE International Conference on Data Mining.IEEE Computer Society，2010：599-608.

[11]丁兆云，周斌，贾焰，等.微博中基于多关系网络的话题层次影响力分析[J].计算机研究与发展，2013，50（10）：2155-2175.

[12]郝晓玲.企业微博影响力指数研究[J]情报杂志，2013，32（7）：64-68.

[13]闫强，吴联仁，郑兰.微博社区中用户行为特征及其机理研究[J].电子科技大学学报，2013，42（3）：328-333.

[14]李英乐，于洪涛，刘力雄.基于SVM的微博转发规模预测方法[J].计算机应用研究，2013，30（9）：2594-2597.

[15]吴凯，季新生，刘彩霞.基于行为预测的微博网络信息传播建模[J].计算机应用研究，2013，30（6）：1809-1812.

[16]曹玖新，吴江林，石伟，等.新浪微博网信息传播分析与预测[J].计算机学报，2014，（4）：5.

[17]Qu Y，Huang C，Zhang P，et al.Microblogging after a major disaster in China：a case study of the 2010 Yushu earthquake[C]∥ACM Conference on Computer Supported Cooperative Work，CSCW 2011，Hangzhou，China，March，2011：25-34.

[18]Ma Z，Sun A，Cong G.On predicting the popularity of newly emerging hashtags in Twitter[J].Journal of the American Society for Information Science & Technology，2013，64（7）：1399-1410.

[19]刘晓娟，王昊贤，肖雪，等.基于微博特征的政务微博影响因素研究[J].情报杂志，2013，32（12）：35-41.

[20]郭晓姝.企业微博信息传播影响因素的实证研究[J].管理现代化，2015，（2）：93-95.

[21]刘军.社会网络分析导论[M].北京：社会科学文献出版社，2004：4.

[22]Wassennan S，Faust K.Social network analysis：methods and applications[M].Cambridge：Cambridge University Press，1994.

[23]平亮，宗利永.基于社会网络中心性分析的微博信息传播研究——以Sina微博为例[J].图书情报知识，2011（6）：92-97.

[24]罗莹.网络信息传播效果研究[J].情报科学，2009，（10）：1487-1491.

[25]汪守金，钱颖，李文慧，等.基于话题的微博传播模式与特性研究[J].情报杂志，2013，（6）：176-180.

[26]陈远，袁艳红.微博信息传播效果实证研究[J].信息资源管理学报，2012，（3）：28-34.

（本文责任编辑：孙国雷）